动态规划有点意思

刷动态规划的题，开始有点懵，现在刷的有点眉目了，感觉还是有点意思的。

什么是动态规划

看了下网上的解释，好像没什么好的解释，大概就是一种算法思想了，先要有大局观，要跳出来，不能把思维一直放在解题思路上。

动态规划三要素

• 阶段：就是把一个问题划分成多个相互关联的阶段；
• 状态：每个阶段都有自己的状态，当前状态是需要通过前一个状态转换过来的；
• 决策：每个状态的转化可能会有多个方案，这个时候就需要根据实际情况来做决策了。

举两个例子

leetcode第70题：爬梯子

• 描述：假设你正在爬楼梯。需要 n 阶你才能到达楼顶。每次你可以爬 1 或 2 个台阶。你有多少种不同的方法可以爬到楼顶呢？
• 分析下：这题是要求多少种方法爬到楼顶，我们要是一层一层地去计算肯定是不行的，因为要考虑前面是跳的一阶还是两阶，所以我们要把思维跳出来，把我们放到梯子外面来：
  1、阶段：首先想下爬到i阶有几种方法，是不是只有两种：要么从i-1阶上去（只爬一阶），要么从i-2阶上去（一次爬两阶），抽象一下，就可以把整个过程分为多个3阶的梯子，这个3阶的梯子就是整个过程中的一个阶段；
  2、状态：这题的状态就是爬梯子爬到的台阶，当前台阶需要从前一个台阶爬上来（状态的转移）；
  3、决策：因为这题求的是爬上楼顶的方法个数，所以每一种决策我们都需要累计。
• 实现：

	public int climbStairs(int n) {
	    // 一阶只有一种方式
        if (n == 1){
            return 1;
        }
        // 两阶有两种方式，一次爬一阶或者一次爬两阶
        if (n == 2){
            return 2;
        }
        
        // first表示爬上i - 2阶的方法个数
        // second表示爬上i - 1阶的方法个数
        int first = 1, second = 2, result = 0;
        for (int i = 3; i <= n; i++){
        	// 这里需要一点抽象的思维
        	// 爬上i阶只有两种可能：从i - 2阶一次爬两阶爬上去，或者从i - 1阶直接爬上去
        	// 所以爬上i阶的方法个数就=爬上i - 2阶的方法个数+爬上i - 1阶的方法个数，注意：是爬上i阶的方法个数，不是步数。
            result = first + second;
            // 爬上了一阶，所以要把状态都更新一下
            first = second;
            second = result;
        }
        return result;
    }

是不是感觉有点意思，带点抽象的思维理解下。
然后再看个例子。

leetcode第714题：买卖股票的最佳时机含手续费

• 描述：给定一个整数数组 prices，其中 prices[i]表示第 i 天的股票价格 ；整数 fee 代表了交易股票的手续费用。描述有点长，就不粘了，具体可以看这里。
• 分析：这题是要买卖股票获取最大收益，如果钻进题目里，想着看每天的股价，然后计算收益，列举每一种情况肯定是不可取的，因为去循环每天的股价计算收益，在循环的时候，我们不知道后续的情况，所以是无法计算出收益最大值的，那我们跳出来，把自己放到时间的外面来看呢，带点抽象的思维：
  1、阶段：这里的阶段肯定是每一天了，一天是一个阶段，我们以一天结束的时间为阶段点；
  2、状态：我们能做什么？我们能做的就是买卖股票，所以状态就是每天的股票变化，这里的状态有两种可能：持有股票和没持有股票。通过买卖股票来进行状态转移：前一天持有股票，当天才能卖股票获得收益，然后状态就变成了未持有股票，买入股票同理；
  3、决策：这题需要求出最大利益，所以决策就是收益最大的方案。
• 实现

	public int maxProfit(int[] prices, int fee) {
        if (prices.length == 0){
            return 0;
        }

        int n = prices.length;
        //第i天结束有两种状态，持有股票和不持有股票
        int[][] f1 = new int[n][2];

        f1[0][0] = -prices[0]; //第一天结束持有股票肯定是这天买入的
        for (int i = 1; i < n; i++){
            //持有股票有两种可能：1、这天买入（这天能买入说明前一天肯定是没有持有股票的）；2、前一天就买入了
            f1[i][0] = Math.max(f1[i - 1][1] - prices[i], f1[i - 1][0]);
            //不持有股票有两种可能：1、这天卖出；2、前一天就不持有
            f1[i][1] = Math.max(f1[i - 1][0] + prices[i] - fee, f1[i - 1][1]);
        }

        return Math.max(f1[n - 1][0], f1[n - 1][1]);
    }

我的感觉就是理解动态规划还是需要一点抽象思维的，要跳出来去看待问题，还是有点意思的。